作为一种非浸入式成像模式，光学相干断层扫描（optical coherence tomography, OCT）在眼科疾病诊断中得到了广泛的应用。然而，近年来眼病患者的数量呈现出一种不断递增的趋势，在这种情况下，眼科医生的负担也必将越来越重。因此，研究开发自动对OCT图像进行分类的系统十分有必要，它将大大降低医生的工作量，提高医生的诊断效率。

       随着深度学习的复兴，卷积神经网络在图像分类中的得到了广泛的应用。 然而训练卷积神经网络需要大量带标签的图像，这在医学图像领域通常是一个挑战。为此我们提出代理图像的概念来增加数据，进而训练卷积神经网络对OCT图像进行分类。具体地，如图1 所示，首先对OCT图像进行去噪处理；然后基于去噪图像提取出模板；利用去噪图像和对应的模板生成大量原图的代理图像；接着利用这些代理图像训练卷积神经网络；最后，用训练好的卷积神经网络对原图的代理图像进行分类，并取对这些代理图像分类结果的平均值作为原图的最终分类结果。图2展示了一些算法分类结果的示例图。

图1. 所提算法流程图

图 2. 分类示例图。其中gt=1或gt=2表示该图像被医生标记为不正常或正常。score是一个位于0到1之间的值，它由算法决定。score值越高，表示该图像被分类为不正常的概率越高。

目前成果：研究成果已经在 IEEE Journal of Biomedical and Health Informatics 上发表。

论文引用： Y. Rong, D. Xiang, W. Zhu, F. Shi, Z. Fan and X. Chen, “Surrogate-Assisted Retinal OCT Image Classification Based on Convolutional Neural Networks ”, IEEE Journal of Biomedical and Health Informatics, vol. 23, no. 1, pp. 253-263, 2019. (SCI 信息系统1区， IF: 3.850).

论文链接： https://ieeexplore.ieee.org/stamp/stamp.jsp?tp=&arnumber=8289356